限制编码代理执行代码工具何时有帮助？跨制度和代理设计的消融研究

该论文通过三臂消融实验（基线、仅bash、仅代码）在合成计算任务和SWE-bench Mini上，使用Claude Code和OpenAI Codex CLI两个代理，比较了限制为单一execute_code MCP工具的效果。在四个（任务制度, 代理设计）组合中，有三个组合（Artifact/Claude、SWE-bench/Codex、Artifact/Codex）显示限制工具显著更便宜或统计持平，且通过率无显著差异。唯一的例外是SWE-bench/Claude组合，仅代码方向性成本高14.4%但不显著，该差距源于失败轨迹的代价而非成功编辑的税收。结论是工具表面的最廉价选择由任务制度和代理设计共同决定，成本信号主要来自缓存调整成本而非通过率。